Haben Sie einen Podcast, eine Aufnahme oder eine Sprachnotiz als MP3? Ziehen Sie die Datei in eine kostenlose Windows-App und erhalten Sie das Transkript in Minuten. Kein Upload, keine Kosten pro Minute, kein Dateilängenlimit.
Ziehen, warten, kopieren. Funktioniert mit jeder MP3 beliebiger Länge.
Laden Sie den kostenlosen Installer für Windows 10 oder 11 von der StarWhisper-Startseite herunter. Die Einrichtung dauert etwa zwei Minuten und umfasst einen einmaligen Download des Whisper-Modells, damit die App nach der Installation vollständig offline arbeiten kann. Keine Registrierung, keine Kreditkarte, keine E-Mail-Bestätigung.
Öffnen Sie StarWhisper. Öffnen Sie den Datei-Explorer und suchen Sie Ihre MP3. Ziehen Sie die Datei in das StarWhisper-Fenster. Die App erkennt die Sprache automatisch. Wenn Sie möchten, können Sie auch auf eine Import-Schaltfläche klicken und zur Datei navigieren. Beide Methoden führen zum selben Ergebnis.
StarWhisper verarbeitet das Audio lokal auf Ihrer CPU oder GPU. Ungefähre Geschwindigkeit: etwa 10-mal schneller als in Echtzeit auf einer modernen Laptop-CPU und 50-mal schneller auf einer NVIDIA GPU mit aktiviertem CUDA. Eine einstündige MP3 wird in etwa 6 bis 12 Minuten auf der CPU oder 1 bis 2 Minuten auf einer Mittelklasse-GPU transkribiert. Der Fortschritt wird in Echtzeit angezeigt.
Das Transkript erscheint im StarWhisper-Fenster, sobald die Verarbeitung abgeschlossen ist. Kopieren Sie den vollständigen Text in die Zwischenablage, speichern Sie ihn als .txt-Datei oder exportieren Sie ihn mit optionalen Zeitstempeln, wenn Sie das Original-Audio abgleichen müssen. Fügen Sie ihn in Notion, Word, Google Docs, Ihr CMS oder überall dort ein, wo der Text benötigt wird.
Konkrete Vorteile, keine vagen Versprechen.
Rev berechnet 25 Cent pro Minute für menschliche Transkription und 10 Cent pro Minute für KI. Eine 90-minütige Podcast-Episode kostet 9 bis 22,50 Dollar. StarWhisper ist kostenlos, bei gleicher Genauigkeit wie die KI-Stufe von Rev.
Cloud-Dienste begrenzen oft die Upload-Größe (Otter.ai limitiert die kostenlose Version auf 30 Minuten pro Datei). StarWhisper verarbeitet Hörbücher, ganztägige Konferenzmitschnitte und mehrstündige Interviews ohne Limit.
MP3, WAV, M4A, OGG, OPUS, FLAC, WMA, plus Audioextraktion aus MP4 und anderen Videoformaten. Kein Konvertierungsschritt erforderlich.
Der Standard-Lokale Modus führt Whisper auf Ihrer eigenen CPU oder GPU aus. Die MP3 wird lokal dekodiert, lokal transkribiert und das Ergebnis wird auf Ihr Laufwerk geschrieben. Nichts wird hochgeladen. Datenschutzdetails.
Whisper unterstützt 96 Sprachen, einschließlich aller wichtigen europäischen, asiatischen und nahöstlichen Sprachen. Die Spracherkennung erfolgt automatisch. Sprachunterstützung.
Besitzer einer NVIDIA GPU installieren das CUDA-Paket und die Transkriptionsgeschwindigkeit steigt um etwa das 5-fache. Eine einstündige MP3 wird zur Aufgabe von zwei Minuten. Details zur GPU-Beschleunigung.
MP3 ist immer noch das universelle, portable Audioformat. Podcasts veröffentlichen MP3-Feeds, Vorlesungen enden als MP3-Downloads, Sprachmemos werden von vielen Rekordern als MP3 exportiert und historische Archive von Interviews und Konferenzmitschnitten existieren fast ausschließlich als MP3. Jeder, der versucht, den Inhalt einer dieser Dateien zu lesen, stößt auf dasselbe Problem: Es gibt kein integriertes MP3-zu-Text-Tool unter Windows.
Der Weg, den die meisten Menschen gehen – oft standardmäßig –, ist das Hochladen der MP3 zu einem Cloud-Transkriptionsdienst. Otter, Trint, Rev, Sonix, Happy Scribe und Descript bieten dies alle an. Sie funktionieren, haben aber drei Nachteile: Kosten pro Minute, die sich bei langen Dateien schnell summieren, Upload-Zeit und Bandbreitenkosten bei langsamen Verbindungen sowie Datenschutzbedenken bei sensiblen Aufnahmen. Der vierte Nachteil ist seltener, aber schlimmer: Einige Dienste haben Dateigrößen- oder Dateilängenlimits bei kostenlosen Versionen, die leise begrenzen, was Sie tatsächlich transkribieren können, ohne zu zahlen.
Die Alternative, die die meisten technischen Nutzer entdecken und von der sie nie wieder zurückkehren, ist die lokale Transkription. Eine kleine App installieren, die MP3 hineinziehen, den Text erhalten. StarWhisper ist dafür die beliebteste Windows-Option. Das Modell ist OpenAI Whisper, dieselbe zugrundeliegende Technologie, die viele Cloud-Transkriptionsdienste antreibt; Sie führen es nur lokal aus, anstatt einen Anbieter dafür zu bezahlen, es für Sie auszuführen.
Konkrete Zahlen aus häufigen Situationen:
Ziehen Sie eine 60-minütige MP3 auf StarWhisper. Warten Sie 6 bis 12 Minuten auf einer typischen Laptop-CPU oder 1 bis 2 Minuten mit einer NVIDIA GPU. Kopieren Sie das resultierende 8.000-Wort-Transkript in Ihre Notiz-App oder Ihr Content-Management-System. Gesamtzeit inklusive Einrichtung: unter 15 Minuten für einen Erstbenutzer, unter 2 Minuten für einen wiederkehrenden Nutzer.
Ziehen Sie eine 90-minütige MP3 eines Interviews hinein. Bearbeitungszeit auf moderner CPU: 10 bis 18 Minuten. Ausgabe: etwa 12.000 Wörter als reines Text-Transkript. Leicht bearbeiten und in Ihren Entwurf einfügen. Kostenlos; keine Kosten pro Minute, die dies bei Rev zu einer 9 bis 22,50 Dollar teuren Transkription gemacht hätten.
Ziehen Sie einen Ordner mit 30 alten Aufnahmen hinein. StarWhisper reiht sie ein. Gehen Sie weg. Kehren Sie zu 30 Transkripten zurück, die jeweils unter dem passenden Dateinamen gespeichert sind. Für freiberufliche Archivare oder Forscher, die Audio digitalisieren, ist dies der Workflow, der das wochenlange Sitzen an einem Transkriptionspedal ersetzt.
Ziehen Sie ein aufgenommenes Sprachmemo hinein (oft M4A vom Telefon, aber MP3 funktioniert genauso). Ein 5-minütiges Memo wird in unter einer Minute zu 700 Wörtern Text. Nützlich, um Ideen beim Spazierengehen festzuhalten und dann einen durchsuchbaren Datensatz zu haben.
Ehrliche Zahlen. Bei klarem englischsprachigem Audio von einem Qualitätsmikrofon (Podcast, professionelles Interview) erreicht Whisper eine Genauigkeit von etwa 95 bis 99 Prozent. Das entspricht oder übertrifft die KI-Stufe von Rev, die automatisierte Transkription von Otter und die Standardstufe der meisten Cloud-Dienste.
Die Genauigkeit sinkt bei:
Zum Vergleich: Menschliche Transkription (Rev human mit 25 Cent pro Minute) liegt bei klarem Audio bei etwa 99 Prozent und verschlechtert sich bei Randfällen weniger. Der Kompromiss sind die Kosten: Kostenlose lokale Transkription verarbeitet 90 Prozent der realen MP3-Anwendungsfälle in einer Qualität, die gut genug zum Veröffentlichen oder Durchsuchen ist. Für die verbleibenden 10 Prozent, bei denen die Genauigkeit in Randfällen kritisch ist, hat bezahlte menschliche Transkription weiterhin ihre Daseinsberechtigung.
StarWhisper verlangt von Ihnen nicht, die Datei vor der Transkription zu konvertieren. Die unterstützten Formate:
| Format | Häufige Quelle | Unterstützt |
|---|---|---|
| MP3 | Podcasts, Downloads | Ja |
| WAV | Profi-Audio, Studioaufnahmen | Ja |
| M4A | iPhone-Sprachmemos, Zoom audio_only | Ja |
| AAC | iTunes, einige Podcasts | Ja |
| OGG / OPUS | WhatsApp, Telegram-Sprachnachrichten | Ja |
| FLAC | Verlustfreie Archive | Ja |
| WMA | Ältere Windows-Aufnahmen | Ja |
| MP4 (Video) | YouTube, Zoom-Video | Ja, Audio extrahiert |
| MOV / AVI / MKV | Anderes Video | Ja, Audio extrahiert |
Für verwandte Konvertierungs-Workflows siehe So konvertieren Sie M4A in Text speziell für iPhone-Sprachmemos, oder So konvertieren Sie WAV in Text für Studioaufnahmen.
Viele MP3-Dateien enthalten Inhalte, die Menschen nicht auf dem Server eines Drittanbieters liegen haben möchten. Aufgezeichnete Interviews unter NDA. Kundensupport-Anrufe. Therapiesitzungs-Aufnahmen. Persönliche Sprachmemos mit privaten Gedanken. Forschungsaufnahmen von menschlichen Versuchspersonen, die nur der lokalen Verarbeitung zugestimmt haben. Quellen-Aufnahmen des investigativen Journalismus.
Cloud-Transkriptionsdienste laden all dies auf ihre Infrastruktur hoch. Selbst mit strengen Datenschutzrichtlinien liegt das Audio auf der Hardware von jemand anderem. Für die oben genannten Kategorien ist das oft inakzeptabel.
Der Lokale Modus von StarWhisper behält die gesamte Pipeline auf Ihrem Gerät. Das Dekodieren der MP3 erfolgt auf Ihrer CPU. Das Whisper-Modell läuft auf Ihrer CPU oder GPU. Der resultierende Text wird auf Ihre Festplatte geschrieben. Nichts verlässt das Gerät, es sei denn, Sie entscheiden sich, es zu teilen. Dies erfüllt die Datenschutzanforderungen für die oben genannten Anwendungsfälle und beseitigt die rechtlichen und ethischen Fragezeichen, die mit der Cloud-Transkription sensibler Inhalte einhergehen.
Vollständige Details zur Datenschutzarchitektur finden Sie auf der Seite Datenschutz- und Offline-Architektur. Für die Arbeit mit Audio in regulierten Branchen siehe die HIPAA-Compliance-FAQ, die Seite Sprache-zu-Text für Therapeuten oder die Seite Sprache-zu-Text für Forscher.
Die kostenlose Version von StarWhisper gibt Ihnen 500 Wörter pro Tag und 3.500 Wörter pro Woche an transkribierter Ausgabe. Eine typische 60-minütige MP3 produziert etwa 8.000 Wörter. Das bedeutet, dass eine einzelne lange Episode das tägliche Freikontingent überschreitet. Sie können die Datei weiterhin verarbeiten (kein Längenlimit für die Datei selbst), aber nur die ersten ~500 Wörter werden auf das heutige Freikontingent angerechnet.
Für Gelegenheitsnutzer, die alle paar Tage eine kurze MP3 transkribieren, reicht die kostenlose Stufe aus. Für alle, die routinemäßig langformatiges Audio verarbeiten (Podcaster, Journalisten, Forscher, Content-Ersteller), entfernt der Pro-Plan das Limit. Er kostet 10 Dollar pro Monat oder 80 Dollar pro Jahr. Vollständige Pro-Details und Preise. Der kostenlose Plan ist dauerhaft ohne Ablauf, sodass Sie den Workflow verifizieren können, bevor Sie zahlen.
Free und Pro verwenden dasselbe Whisper-Modell und erzeugen identische Transkripte. Pro entfernt nur das Wortlimit und fügt Workflow-Funktionen wie benutzerdefiniertes Vokabular und priorisierten Cloud-Fallback (falls aktiviert) hinzu. Für die reine MP3-zu-Text-Nutzung ist der einzige praktische Unterschied das Tageslimit.
Der oben beschriebene MP3-Workflow ist dasselbe Muster wie bei mehreren angrenzenden Anleitungen. Wenn Ihre Datei ein iPhone-Sprachmemo ist, siehe So konvertieren Sie M4A in Text. Wenn es sich um ein aufgezeichnetes Interview handelt, siehe So transkribieren Sie Interviews. Wenn es eine Podcast-Episode ist, siehe So transkribieren Sie Podcasts. Wenn es eine Zoom-Anrufaufzeichnung ist, siehe die Zoom-Anruf-Transkriptionsanleitung. Wenn es eine Predigt oder Vorlesung ist, siehe So transkribieren Sie Predigten oder So transkribieren Sie Vorlesungen. All diese verwenden denselben Drag-and-Drop-Flow; nur das Quell-Audio ändert sich.
Derselbe Workflow für iPhone-Sprachmemos und Zoom-Audiodateien.
Verarbeiten Sie unkomprimierte Studioaufnahmen und Profi-Audiodateien.
Wie vollständig lokale Transkription funktioniert und warum sie für die Privatsphäre wichtig ist.
Der spezifische Workflow für Audio von Journalisten- und Forscherinterviews.